Ire identifica una nueva variante de LOTUSLITE
Project Ire, el agente autónomo de Microsoft, identifica una variante de LOTUSLITE que evade firmas. Conoce la detección basada en comportamientos.
#variante
Cómo usar la plantilla CSC de GitHub para desarrollo con IA
Aprende a usar la plantilla CSC en GitHub para proyectos de IA. Define invariantes, evita desviaciones y alinea agentes sin estado con tu arquitectura.
¿Eres tú o tu entorno? Marco bayesiano genómico
Un marco de inferencia bayesiana usa tu genoma como ancla para interpretar tus datos fisiológicos desde el primer día, resolviendo el problema de arranque.
Fingerprinting eficiente, robusto y anticolusión en modelos de difusión de imágenes
Descubre cómo proteger tus modelos de difusión de imágenes con una nueva técnica de fingerprinting robusta contra ataques de colusión. Precisión superior al 99.5% y alta fidelidad.
Flujo Equivariante para Problemas de Bifurcación con Ruptura de Simetría
Descubre cómo el flujo equivariante con IA modela bifurcaciones con ruptura de simetría, capturando múltiples soluciones estables en sistemas físicos.
Calibración de cópulas vine simplificadas con estimación por contraste de ruido
Calibra cópulas vine simplificadas con estimación por contraste de ruido (NCE) para ajustar dependencias multivariantes. Mejora precisión sin perder eficiencia.
De la geometría a la dinámica: aprendizaje con datos escasos
Nuevo enfoque combina geometría y control estocástico para aprender dinámicas de sistemas con datos escasos. ¡Resultados superiores!
El modelo de seguridad de memoria de Solidity y el slot cero
Descubre por qué el compilador de Solidity es tan estricto con el slot cero y cómo entender sus warnings puede mejorar tu código en assembly.
Documentación IA limpia: aplica la regla de alcance mínimo
Aplica la regla de alcance mínimo para mantener la documentación de IA limpia y evitar la deriva contextual. Optimiza la sincronización de agentes con artefactos precisos.
Documentación de IA limpia con la regla de alcance más estrecho
Descubre la regla NSR para mantener documentación de IA limpia y evitar entropía documental.
SirenFNO: Aprendizaje completo y eficiente de operadores de Fourier
SirenFNO aprende frecuencias completas sin truncamiento, eliminando el sesgo espectral de FNO. Reduce parámetros hasta 73 veces en PDEs con oscilaciones de alta frecuencia. ¡Mejora la eficiencia!
Redes de Campos Mecánicos: Dinámica Neuronal para Sistemas Multivariantes
Descubre MF-Net: aprende relaciones causales en sistemas multivariantes para pronósticos precisos y lectura estructural.
Características aleatorias para kernels Bernstein-Schur con modulación y aleatorización radial
Nuevo método de características aleatorias para kernels Bernstein-Schur: modulación esbozada y aleatorización radial optimizan el aprendizaje automático.
Características invariantes a rotación tipo PCA de alto orden
Descubre el PCA de orden superior para descriptores de forma invariantes a rotación. Ideal para reconocimiento de objetos 2D/3D y comparación molecular.
Reidentificación Robusta al Cambio de Ropa con Subespacios Ortogonales
Descubre Ortho-ReID, subespacios ortogonales de bajo rango para reidentificar personas con cambio de ropa. Supera en hasta un 5.9% a los mejores.
CONTRACT.md: Contratos raíz para flujos de trabajo con agentes de IA
Descubre cómo CONTRACT.md resuelve la pérdida de contexto en agentes de IA, estableciendo invariantes persistentes para flujos de trabajo más seguros y eficientes.
Modelo convolucional profundo e interpretable para series temporales complejas
Descubre DCIts, un modelo de deep learning interpretable que analiza series temporales multivariantes no lineales, revelando interacciones causales a nivel local.
Covarianza cruzada riemanniana intrínseca invariante al punto base
Descubre la covarianza riemanniana para datos en variedades: teoría, propiedades asintóticas y experimentos con formas cardíacas.
SPDM: Modelado con restricciones de variedad para series temporales
Descubre SPDM, un modelo con restricciones de variedad para pronóstico preciso y eficiente de series temporales.
MST-Direct a Escala: Simulación Geoestadística Multivariante y Condicional
Descubre cómo MST-Direct logra simulación geoestadística multivariante y condicional escalable con error cero en histogramas y datos condicionantes exactos.